A R T Y K U Ł Y. Aktualne problemy automatycznej generalizacji danych przestrzennych*

Wielkość: px
Rozpocząć pokaz od strony:

Download "A R T Y K U Ł Y. Aktualne problemy automatycznej generalizacji danych przestrzennych*"

Transkrypt

1 A R T Y K U Ł Y Polski Przegląd Kar to gra ficz ny Tom 41, 2009, nr 1, s Izabela Karsznia Katedra Kartografii Uniwersytetu Warszawskiego Aktualne problemy automatycznej generalizacji danych przestrzennych* Z a r y s t r e ś c i. W artykule opisano podstawowe założenia procesu generalizacji danych przestrzennych. Scharakteryzowano ważniejsze modele konceptualne generalizacji oraz metody optymalizacji i kontroli tego procesu. Następnie nakreślono aktualne problemy i kierunki badań, jakimi są m.in. kontekstowość procesu generalizacji, generalizacja on-line i wieloreprezentacyjne bazy danych przestrzennych, holistyczny charakter procesu generalizacji, możliwości formalizacji wiedzy kartograficznej oraz opracowanie wspólnej platformy generalizacyjnej. S ł o w a k l u c z o w e: automatyzacja procesu generalizacji, modele konceptualne, dane przestrzenne 1. Wstęp Generalizacja jest jedną z podstawowych cech prezentacji kartograficznej. Zgodnie z definicją zaproponowaną przez Międzynarodową Asocjację Kartograficzną, generalizacja obejmuje selekcję i uproszczenie informacji geograficznej odpowiednio do skali i przeznaczenia mapy (Multilingual ). Celem generalizacji jest wybór informacji geograficznej, a co za tym idzie uwypuklenie rzeczy najważniejszych oraz pominięcie mniej istotnych z punktu widzenia przeznaczenia prezentacji kartograficznej oraz wymagań użytkowników (S. Lamy i inni 1999). Mimo że od czasu wprowadzenia technologii komputerowej do dyscyplin związanych z kartografią włożono wiele pracy w konstruowanie nowych systemów i narzędzi związanych z generalizacją, wciąż jednak sporo zagadnień pozostaje nierozwiązanych (T. Chrobak i inni 2007). W celu pełnej automatyzacji procesu redakcji i generalizacji map konieczne jest określenie powtarzalnych, ścisłych zasad i instrukcji, a następnie ich zastosowanie w środowisku komputerowym. Pierwsze prace koncentrowały się na generalizacji linii i stanowiły rozwiązania algo- rytmiczne (oparte na procedurach matematycznych, statystycznych). Jednakże w tego typu rozwiązaniach brano pod uwagę tylko geometrię obiektów. Takie podejście było wystarczające do momentu pojawienia się w kartografii technologii cyfrowej. Wówczas obiekty przestały być traktowane tylko jako obiekty geometryczne, lecz zyskały znaczenie geograficzne, przypisano im atrybuty opisowe, a ich redakcja i generalizacja uzależnione zostały od celu mapy i potrzeb użytkownika. Obecnie od systemów wspomagających automatyczną generalizację map oczekujemy podejścia kompleksowego, możliwości uwzględnienia kontekstu mapy oraz zależności przestrzennych między generalizowanymi obiektami. Optymalnym rozwiązaniem byłaby możliwość generowania za pomocą systemów GIS informacji geograficznej o określonym stopniu szczegółowości w sposób całkowicie automatyczny. Jednakże jak dotąd żadne oprogramowanie GIS nie daje takiej możliwości. Istnieje szereg systemów informacji geograficznej zawierających dane o różnym stopniu szczegółowości, zwykle jednak pochodzą one z różnych baz danych przestrzennych. Pozwala to na wyświetlenie danych odpowiadających określonej skali (gdzie różne regiony mają różny stopień generalizacji), nie zaś na zmianę skali w sposób ciągły, uporządkowany. Tymczasem ograniczenia i różnice sposobu wizualizacji danych geograficznych sprawiają, że stopień generalizacji powinien również uwzględniać indywidualne potrzeby użytkownika. Te zaś obejmują aktualność informacji geograficznej, możliwość generowania danych o różnym stopniu szczegółowości oraz ich dostępność w sie- * Praca finansowana ze środków na naukę w latach jako projekt badawczy nr N N

2 6 Izabela Karsznia ci. Potwierdza to pogląd T. Chrobaka i innych (2007, s. 11): odkąd wymagania generalizacji danych geometrycznych i tematycznych mogą się w znacznym zakresie zmieniać w zależności od percepcji użytkownika, rodzaju mapy i skali przedstawienia, model automatycznej generalizacji oparty na wzorcu wywodzącym się z technologii ręcznej może okazać się niepraktyczny. 2. Cele i zasady generalizacji Według S. Steinigera (2007) generalizacja kartograficzna stanowi jeden z elementów procesu produkcji map, na który składają się: gromadzenie danych, przechowywanie danych, utrzymywanie ich aktualności, redakcja, wydruk mapy (lub wizualizacja z bazy danych). Proces generalizacji ręcznej oraz automatycznej to proces poszukiwania optymalnego rozwiązania między dwoma zasadniczymi zadaniami, jakie powinny spełniać mapy. Pierwszym z nich jest odpowiedni dobór treści uwarunkowany przeznaczeniem opracowywanej mapy, drugim zapewnienie jej czytelności. Proces decyzyjny związany z dostosowaniem ilości i sposobu prezentacji informacji zawartych na mapie odpowiednio do celu i skali jej opracowania jest wykonywany lub nadzorowany przez kartografa (S. Steiniger 2007). Kartograf osiąga zamierzony cel redakcyjny w sposób intuicyjny, kierując się zdobytą wiedzą i doświadczeniem. W środowisku komputerowym, ze względu na dużą liczbę możliwych rozwiązań, dostępność różnych narzędzi generalizacyjnych oraz różną sekwencję czynności generalizacyjnych, które wywołują określone rezultaty, każda decyzja musi być przemyślana i podporządkowana nadrzędnemu celowi. Obok zachowania zależności topologicznych 1 między obiektami, celem generalizacji kartograficznej jest: uproszczenie treści mapy poprzez dostosowanie przedstawianego zakresu treści do poziomu szczegółowości odpowiadającemu skali opracowania, a więc wybór elementów ważniejszych, przy jednoczesnym pominięciu mniej istotnych; zachowanie odpowiedniej czytelności mapy 1 Pod pojęciem topologii w literaturze przedmiotu rozumie się szereg relacji opisujących sąsiedztwo oraz zawieranie i nakładanie się obiektów, charakteryzujących się niezmiennością w takich transformacjach jak skalowanie czy rotacja (D. Gotlib i inni 2007). w danej skali (zdefiniowanej jako minimalna odległość między obiektami albo minimalna powierzchnia zajmowana przez obiekt lub sygnaturę); zachowanie typowych i charakterystycznych elementów treści mapy. Realizacja wymienionych celów zakłada uwzględnienie następujących zasad: uwzględnienie kontekstu mapy nie można generalizować pojedynczego obiektu w oderwaniu od pozostałych elementów mapy, należy brać pod uwagę grupy obiektów jako całość; generalizacja wymaga podejścia kompleksowego oraz kontekstowego (uwzględnienie sąsiedztwa i relacji między obiektami); podejście zorientowane obiektowo nie można zastosować jednej czynności generalizacyjnej do wszystkich obiektów lub całej ich klasy; należy dobrać konkretną czynność do konkretnego obiektu, w zależności od jego charakteru oraz otaczających go innych obiektów; iteracyjny charakter generalizacji system do automatycznej generalizacji danych przestrzennych musi pozwalać na logiczną ocenę uzyskanych wyników oraz dawać możliwość ich poprawy lub zmiany przez zastosowanie innej czynności generalizacyjnej lub innych wartości parametrów generalizacji (M. Bell i inni 2004). Wymienione zasady rozumiane i stosowane intuicyjnie przez doświadczonego kartografa, w procesie generalizacji automatycznej muszą zostać rozłożone na szereg czynności generalizacyjnych, a następnie ponownie sformułowane np. w postaci reguł wykonywalnych w środowisku komputerowym (S. Steiniger 2007; N. Regnauld, R.B. McMaster 2007). Niezbędne jest zatem sprecyzowanie i uściślenie pojęć istotny, czytelny, charakterystyczny, będące warunkiem poprawnego doboru operatorów i algorytmów generalizacji. 3. Modelowanie procesu generalizacji Próbą opisu i usystematyzowania czynności składających się na proces generalizacji są modele konceptualne. Ujmują one proces generalizacji w sposób ogólny, wskazując na jego podstawowe elementy oraz relacje między nimi (A. Iwaniak i inni 1998). Opracowanie modelu generalizacji ma na celu rozłożenie procesu na szereg tzw. czynności generalizacyjnych, które stosowane są w postaci odpowiednich operatorów (np. operator upraszczania czy agregacji), algorytmów oraz kontrolowane przez kilka

3 Aktualne problemy automatycznej generalizacji danych przestrzennych 7 parametrów (np. minimalna powierzchnia lub maksymalna długość). Usystematyzowanie poszczególnych czynności w postaci modelu oraz przypisanie im odpowiednich operatorów generalizacji służy kontroli procesu. Pierwsze modelowe ujęcia pojawiły się w latach siedemdziesiątych i osiemdziesiątych ubiegłego wieku (L. Ratajski 1967, 1973; J. Morrison 1974), gdy nie było jeszcze potrzeby ujmowania tego procesu z punktu widzenia zastosowań komputerowych. Do problemu wzrostu stopnia generalizacji wraz ze zmniejszaniem pojemności mapy nawiązał L. Ratajski (1973). Autor jednego z pierwszych konceptualnych modeli generalizacji zaproponował podział na generalizację jakościową oraz ilościową. Według L. Ratajskiego każda treść mapy może być redukowana w drodze generalizacji ilościowej (tzn. przy zachowaniu tego samego systemu znaków i tej samej metody prezentacji), przy czym każdorazowa zmiana pojemności mapy powoduje uzyskanie określonego stopnia generalizacji. Dochodzimy jednak do momentu, gdy pojemność mapy jest tak mała, że powoduje zatracenie charakteru obiektów, a co za tym idzie zbyt dużą stratę informacji. Po osiągnięciu tego momentu, zwanego progiem generalizacyjnym, konieczna jest zmiana metody prezentacji. W latach osiemdziesiątych opracowano kilka modeli uwzględniających potrzeby systemów komputerowych (K. Brassel 1985). Ich szerszy opis znajdujemy w pracy R.B. McMastera (1991). R.B. McMaster i K.S. Shea (1988) zaproponowali sprowadzenie procesu generalizacji do odpowiedzi na trzy zasadnicze pytania: po co generalizować? (w celu zredukowania złożoności danych, uwzględnienia przeznaczenia mapy); kiedy generalizować? (np. w przypadku pojawiających się konfliktów przestrzennych przy zmniejszaniu skali opracowania lub zbyt dużej gęstości obiektów w stosunku do skali docelowej); jak generalizować? (tu autorzy wydzielili przestrzenne oraz atrybutowe operatory generalizacji). K. Brassel i R. Weibel (1988) dzielą proces generalizacji na dwa zasadnicze etapy: generalizację statystyczną oraz kartograficzną. Generalizacja statystyczna stanowi tu proces analityczny, prowadzący do redukcji ilości informacji zawartych w bazie danych. Generalizację kartograficzną postrzegają autorzy jako modelowanie przestrzenne, którego celem jest modyfikacja struktury danych na poziomie lokalnym (L.T. Sarjakoski 2007). Według autorów proces generalizacji składa się z pięciu zasadniczych kroków. Są to: rozpoznanie struktury danych, rozpoznanie procesu generalizacji, modelowanie procesu, uruchomienie procesu, wizualizacja danych. Na przełomie lat osiemdziesiątych i dziewięćdziesiątych pojawiła się koncepcja podziału procesu generalizacji na dwa etapy (D. Grunreich 1995): generalizację modelu danych, zwaną w literaturze generalizacją cyfrowego modelu krajobrazu (ang. digital landscape model DLM), generalizację kartograficzną, określaną jako generalizacja cyfrowego modelu kartograficznego (ang. digital cartographic model DCM). Generalizację modelu danych identyfikuje się z procesem przygotowania danych (obejmującym m.in. analizy przestrzenne i atrybutowe) do właściwego etapu generalizacji kartograficznej, której efektem jest ich wizualizacja (L. Sarjakoski 2007). Podobne poglądy reprezentują M. Bell i inni (2004). Według autorów celem generalizacji modelu danych jest zredukowanie liczby danych (poprzez wybór klas lub podzbiorów klas obiektów) zgodnie z zakładanym stopniem szczegółowości. Zadaniem drugiego etapu procesu generalizacji, a więc generalizacji kartograficznej jest uzyskanie optymalnej czytelności mapy w odniesieniu do celu prezentacji i skali opracowania. J.M. Ware i C.B. Jones (2005) zaproponowali podział czynności wchodzących w skład procesu generalizacji na: wybór obiektów (klas obiektów, kategorii), które będą prezentowane na mapie, tj. generalizację semantyczną, uproszczenie kształtu i struktury symboli graficznych, które będą prezentowane na mapie, czyli generalizację geometrii obiektów (geometryczną). Automatyzacja procesu generalizacji semantycznej wymaga hierarchizacji klas obiektów. Ułatwia to opracowanie reguł pozwalających na podjęcie decyzji, jakie główne kategorie obiektów powinny pozostać po generalizacji oraz w jaki sposób, z semantycznego punktu widzenia, powinny być prezentowane. Automatyczna generalizacja geometrii obiektów jest dopełnieniem generalizacji semantycz-

4 8 Izabela Karsznia nej. Z wyborem klas obiektów i zmianą skali wiąże się często zmiana geometrii obiektów, na przykład w skalach małych dana miejscowość prezentowana jest za pomocą sygnatury, podczas gdy w skalach średnich pokazujemy jej kontur, a w skalach dużych poszczególne budynki, które się na nią składają. J.M. Ware i C.B. Jones (2005) zauważają, że generalizacja geometryczna jest często bardziej skomplikowana niż generalizacja semantyczna, ze względu na rozmaite zmiany w zakresie sposobu prezentacji i struktury obiektów geograficznych, które mogą zachodzić w trakcie zwiększania stopnia generalizacji mapy. Główne rodzaje czynności generalizacyjnych dotyczących geometrii obiektów to: wybór, czyli redukcja liczby obiektów punktowych, redukcja stopnia szczegółowości prezentacji obiektów liniowych lub powierzchniowych, łączenie (agregacja) sąsiadujących obiektów punktowych, liniowych lub powierzchniowych, redukcja wymiaru obiektów (z powierzchni do linii, z powierzchni do punktu), zwiększenie wielkości obiektów, które inaczej byłyby niewidoczne na mapie w skali docelowej, wybór obiektów reprezentatywnych (dotyczący na przykład skupiska obiektów punktowych), zmiana położenia obiektów. Czynności i odpowiadające im operatory generalizacji geometrii obiektów wywierają na siebie wzajemnie bezpośredni wpływ. Na przykład przewiększenie grupy obiektów może spowodować wzrost gęstości treści mapy na danym obszarze, co w przyszłości może spowodować konieczność usunięcia niektórych obiektów spośród tej właśnie grupy. Ta wzajemna zależność między poszczególnymi czynnościami generalizacyjnymi stanowi bezpośrednią przyczynę konieczności wykorzystania procedur i systemów charakteryzujących się wysokim stopniem konceptualnym oraz technik optymalizacyjnych lub technik sztucznej inteligencji w celu kontroli procesu generalizacji danych przestrzennych (M. Neun 2007). 4. Metody kontroli i optymalizacji procesu generalizacji Badania dotyczące współzależności między czynnościami generalizacyjnymi oraz próby kontroli procesu podejmowane są już od ponad dziesięciu lat. Jedna z pierwszych prac wydana w postaci zbioru artykułów, opisująca metody kontroli procesu generalizacji za pomocą systemów opartych o reguły została opublikowana w roku 1991 (B. Buttenfield, R.B. McMaster). Większość z zaproponowanych systemów nie znalazła jednak praktycznego zastosowania ze względu na trudności w sformalizowaniu i zaprogramowaniu zasad generalizacji w postaci reguł komputerowych. Wyjątek stanowi system Change (B. Powitz 1992). Wymienione problemy zostały częściowo rozwiązane poprzez pozyskiwanie bazy wiedzy (reguł generalizacji) za pomocą komputerowych technik uczenia, jakimi są sieci neuronowe (R. Weibel i inni 1995). Przy generalizacji dużych obszarów celowy wydaje się ich podział na mniejsze fragmenty. Pozwala to na szybszą identyfikację i rozwiązanie konfliktów przestrzennych między generalizowanymi obiektami. Na mapach topograficznych takimi naturalnymi liniami podziału mogą być drogi. Przykład takiego rozwiązania znajduje się w pracy G. Robinsona i F. Lee (1994) oraz w koncepcji modelowania agentowego, gdzie fragmenty mapy oddzielone drogami kontrolowane są na poziomie tzw. mezo-agentów, cały obszar mapy z poziomu tzw. makro-agentów, a poszczególne obiekty z poziomu tzw. mikroagentów 2 (A. Ruas 1999). W ostatnich latach starano się rozwiązać problem kontroli operatorów generalizacji poprzez zastosowanie metod optymalizacyjnych. Metody te mają na celu redukcję konfliktów między generalizowanymi obiektami, powstałych wskutek działania operatorów generalizacji. W jednej z pierwszych prac dotyczących użycia metod optymalizacyjnych w generalizacji porównano działanie dwóch metod simulated annealing oraz discret gradient descent, zastosowanych do kontroli zachowania minimalnych odległości przy generalizacji obiektów powierzchniowych. W tym konkretnym przykładzie bardziej poprawne rezultaty uzyskano za pomocą pierwszej z metod (J.M. Ware, C.B. Jones 1998). Później metodę tę wykorzystywano w generalizacji wielorozwiązaniowych baz danych przestrzennych do kontroli wzajemnego położenia obiektów 2 Koncepcja agentów oraz systemów wieloagentowych (takich, w których działa więcej niż jeden agent) należy do domeny sztucznej inteligencji (artificial intelligence ) (C. Duchene 2003). Zgodnie z definicją zaproponowaną przez M. Lucka (1997) agent jest programem zdolnym do kontroli i oceny podejmowanych przez siebie działań na podstawie rozpoznawania otaczającego go środowiska. Technologia systemów wieloagentowych jest wykorzystywana również do modelowania złożonych, dynamicznych i otwartych aplikacji, na przykład w planowaniu produkcji, sterowaniu ruchem, zarządzaniu przepływem czynności w coraz większym stopniu w Internecie (Z. Michalewicz, D.B. Fogel 2006).

5 Aktualne problemy automatycznej generalizacji danych przestrzennych 9 w trakcie procesu generalizacji (J.M. Ware i inni 2003). Metoda elementów skończonych (finite element method) została opracowana na potrzeby inżynierii maszynowej w celu symulowania rezultatów nacisku na struktury fizyczne, przy określonych ich właściwościach. Do kartografii metodę tę wprowadził P. Højholt (2000). Zastosowanie metody elementów skończonych miało na celu zachowanie minimalnych odległości między drogami a zabudową w trakcie procesu generalizacji. P. Højholt przypisał poszczególnym obiektom mapy różne stopnie odporności, by następnie wprowadzić elementy nacisku, będące funkcją wzajemnej odległości obiektów. Podobne badania wykonali M. Bader i inni (2005), wykorzystując wymienioną metodę do przesuwania budynków, przy jednoczesnym zachowaniu ich kształtów oraz odległości między nimi. Inną metodą optymalizacyjną, wykorzystaną do zachowania wzajemnych odległości między obiektami przy generalizacji, jest wprowadzona do kartografii przez D. Burghardta i S. Meiera (1997) metoda snakes. Z procesem generalizacji związane jest zmniejszanie skali mapy, podczas którego często dochodzi do powstawania sytuacji konfliktowych między generalizowanymi obiektami, np. obiekty przestają być rozróżnialne, nakładają się na siebie. Aby nie dopuścić do zbyt dużej utraty informacji wskutek usunięcia nadmiernej liczby obiektów oraz przy założeniu, że na mapie mamy wystarczająco dużo miejsca, można zastosować operator odsunięcia obiektów. Istnieją dwa rodzaje realizacji operatora odsunięcia: odsunięcie przez translację, mające zastosowanie w przypadku małych obiektów i symboli, odsunięcie przez deformację, stosowane dla wydłużonych obiektów liniowych, np. dróg (A. Borkowski, R. Lipski 2006). Odsunięcie przez deformację wykonywane jest w dwóch etapach. Najpierw określa się wartość wektora odsunięcia w miejscu powstania konfliktu, gwarantującą jego rozwiązanie. Kolejnym etapem jest propagacja odsunięcia dla całego obiektu. Etap propagacji pozwala na zachowanie kształtu generalizowanego obiektu. Wspomniana wyżej metoda snakes pozwala na możliwie najwierniejsze zachowanie kształtu i położenia generalizowanego obiektu przy jednoczesnej likwidacji lub minimalizacji zaistniałego konfliktu. Implementacją tej metody jest aktywny model linii otrzymywany w wyniku rozwiązania zadania wariacyjnego, zakładającego minimalizację odpowiednio zdefiniowanej energii całkowitej przypisanej do linii. Energia ta składa się z energii wewnętrznej, opisującej kształt linii i energii zewnętrznej, wymuszającej pożądany przebieg linii (S. Steiniger, S. Meier 2004). L.E. Harrie (2000) i M. Sester (2000) zaproponowali wykorzystanie metody najmniejszych kwadratów do iteracyjnego procesu dostosowywania aktualnego wyniku generalizacji do wyniku poprawnego, opisanego przez instrukcje redakcji map. Metoda najmniejszych kwadratów pozwala na wyznaczenie nieznanych parametrów układu równań na podstawie danych obserwacji i ich wag. Wymieniona technika optymalizacyjna jest z powodzeniem stosowana w matematyce oraz geodezji. W środowisku agentowym do rozwiązywania konfliktów między generalizowanymi obiektami zastosowano metody sztucznej inteligencji, np. algorytm hill climbing (S. Mustiere, C. Duchene 2001). Algorytm ten pozwala na wyszukanie optymalnego rozwiązania powstałego konfliktu. Jego działanie rozpoczyna się od przyjęcia jednego, wejściowego rozwiązania, by następnie wyszukiwać kolejne. Jeśli kolejne rozwiązanie okaże się lepsze od poprzedniego, wówczas zostaje ono zaakceptowane, jeśli nie pozostajemy przy rozwiązaniu poprzednim. Po wyczerpaniu wszystkich możliwości przyjęte zostaje rozwiązanie optymalne. 5. Wybrane zagadnienia automatycznej generalizacji danych przestrzennych W latach osiemdziesiątych i dziewięćdziesiątych badania dotyczące automatyzacji procesu generalizacji skupiały się wokół dwóch zasadniczych zagadnień: opracowywania nowych algorytmów generalizacji oraz pozyskiwania i zastosowania wiedzy kartograficznej, np. w postaci reguł w systemach ekspertowych (A. Edwardes i inni 2003). Obecnie dotyczą one opracowania bardziej kompleksowych algorytmów generalizacji, uwzględniających szereg warunków i relacji przestrzennych między obiektami oraz zastosowania bardziej zaawansowanych technik generalizacji, jak np. systemy wieloagentowe (M. Barrault i inni 2001; M.N. Sabo i inni 2008). Dynamiczny rozwój badań dotyczących automatyzacji generalizacji spowodował wzrost wymagań w stosunku do istniejących lub nowo opracowywanych systemów wspomagających prowadzenie procesu generalizacji (A. Edwar-

6 10 Izabela Karsznia des i inni 2007). Przedmiotem prowadzonych obecnie badań są: pozyskiwanie wiedzy kartograficznej w celu zdefiniowania reguł rządzących procesem generalizacji, uściślenie (formalizacja) zasad generalizacji, rozwój modeli generalizacji, opracowanie bardziej kompleksowych narzędzi analiz przestrzennych oraz nowych algorytmów generalizacji, modelowanie przestrzeni geograficznej w postaci struktur obiektowych, z pełniejszą charakterystyką geometryczną i topologiczną danych przestrzennych, próby zastosowania w generalizacji kartograficznej algorytmów i struktur danych wspomagających prowadzenie procesu (np. zastosowanie triangulacji Delauney a w procesie przesuwania budynków), opracowywanie wieloreprezentacyjnych baz danych przestrzennych, z możliwością wizualizacji danych zgromadzonych w jednej bazie na różnych poziomach szczegółowości, zastosowanie algorytmów generalizacji w wy branym środowisku programowym w celu prowadzenia eksperymentów związanych z kolejnością ich używania (sekwencją) oraz ich harmonizacją Kompleksowy charakter procesu generalizacji Na szczególną uwagę zasługują badania i próby automatyzacji procesu generalizacji prowadzone przez francuski Narodowy Instytut Geograficzny. W roku 1999 A. Ruas w swojej pracy doktorskiej przedstawiła koncepcję zastosowania systemu autonomicznych agentów w procesie generalizacji kartograficznej. Kolejne badania zmierzały do uszczegółowienia i wzbogacania zaproponowanego modelu o kolejne elementy usprawniające prowadzenie automatycznej generalizacji map (C. Duchene 2004a, C. Duchene 2004b). Obecnie prowadzone badania mają na celu rozszerzenie modelu agentowego na wszystkie elementy treści mapy. Dwa najciekawsze, a jednocześnie najtrudniejsze z punktu widzenia automatycznej generalizacji elementy treści mapy stanowią drogi i zabudowa. Większość opracowań, a także zaprojektowanych i z powodzeniem stosowanych systemów generalizacyjnych (np. system Clarity) skupia się na tych właśnie elementach mapy. Tymczasem stanowią one wprawdzie zasadniczą, lecz nie jedyną treść mapy lub bazy danych. Proces generalizacji jest procesem kompleksowym, w którym wobec wzajemnych zależności między obiektami generalizacja jednego obiektu w istotny sposób wpływa na generalizację innych, znajdujących się w jego otoczeniu. Poprawne prowadzenie procesu zakłada więc uwzględnienie jego kontekstowego charakteru. J. Gaffuri, C. Duchene i A. Ruas (2008) wskazują na istotne w automatycznej generalizacji relacje między dotychczas rozpatrywanymi, zasadniczymi elementami treści mapy (bazy danych), a więc drogami i zabudową a pozostałymi elementami (określonymi tutaj mianem elementów podkładowych), takimi jak rzeźba czy pokrycie terenu. Relacje między poszczególnymi obiektami opisane zostały w postaci modelu GAEL (Generalisation based on Agents and ELasticity), na który składają się obiekty stanowiące zasadniczą treść mapy lub Ryc. 1. Relacje między obiektami zasadniczej i podkładowej treści mapy w modelu GAEL (wg J. Gaffuri i innych 2008) Fig. 1. Relations among objects of the main and basic contents of the map in GAEL model (after J. Gaffuri et al. 2008)

7 Aktualne problemy automatycznej generalizacji danych przestrzennych 11 bazy danych (np. drogi, zabudowa), elementy podkładowe (rzeźba, pokrycie terenu) oraz szereg łączących je relacji i warunków, związanych z procesem generalizacji (np. warunek minimalnej powierzchni, warunek zachowania kształtu itp.) (ryc. 1). Model ten stanowi niejako uzupełnienie systemu agentowego (A. Ruas, C. Duchene 2007), w którym obiekty znajdujące się na mapie (np. drogi, budynki) modelowane są w postaci autonomicznych agentów. W modelu GAEL elementy podkładowe modelowane są w postaci elastycznych warstw związanych wzajemnymi zależnościami z obiektami stanowiącymi zasadniczą treść mapy. Model ten opracowano z myślą o badaniu i uwzględnieniu wpływu generalizacji zasadniczych elementów mapy na obiekty podkładowe. Na przykład generalizacja dróg ma automatycznie pociągać za sobą generalizację rzeźby terenu Kontekstowość procesu generalizacji Przy manualnym opracowywaniu mapy kartograf kieruje się dwiema podstawowymi zasadami, tj. wyborem najważniejszej treści mapy, z punktu widzenia jej przeznaczenia oraz zachowaniem na przykładzie procesu decyzyjnego, który towarzyszy generalizacji grupy jezior (ryc. 2). Widoczne na rysunku cztery jeziora ze względu na zmianę skali muszą zostać poddane procesowi generalizacji. Trzy mniejsze jeziora są zbyt małe, a więc nie byłyby czytelne na mapie w skali docelowej. Proces manualnej generalizacji tych obiektów, prowadzony przez doświadczonego kartografa, prawdopodobnie składałby się z trzech zasadniczych kroków. W pierwszym kroku kartograf analizując przedstawioną sytuację stwierdziłby konieczność generalizacji trzech mniejszych jezior, kierując się zasadą zachowania czytelności mapy docelowej. Wykorzystałby więc wiedzę geometryczną o analizowanych obiektach. Następnie stwierdziłby podobieństwo w położeniu i orientacji jezior skutkowałoby to traktowaniem jezior jako grupy obiektów w procesie generalizacji. Krok ten, polegający na rozpoznawaniu struktury obiektów, prowadzi do zastosowania wiedzy strukturalnej w procesie generalizacji. Wreszcie w ostatnim kroku kartograf zastosowałby szereg czynności generalizacyjnych (selekcję, agregację lub przewiększenie), w celu otrzymania akceptowalnych graficznie rezultatów generalizacji grupy jezior. Ryc. 2. Różne rozwiązania generalizacyjne grupy jezior z uwzględnieniem i pominięciem kontekstu mapy (wg S. Steinigera 2007) Fig. 2. Various generalization solutions of a group of lakes, accounting for and ignoring the context (after S. Steiniger 2007) charakterystycznych elementów, ze względu na specyfikę generalizowanego obszaru. Proces decyzyjny prowadzony przez doświadczonego kartografa jest więc procesem intuicyjnym i kompleksowym. Aby możliwa była automatyzacja tego procesu konieczne jest rozłożenie wiedzy kartograficznej na szereg czynności generalizacyjnych, możliwych do zastosowania w środowisku komputerowym. W swojej pracy doktorskiej S. Steiniger (2007) przeanalizował ten problem Znajomość procedur generalizacyjnych i umiejętność poprawnego ich zastosowania nazywamy wiedzą proceduralną. Tak więc kartograf w trakcie procesu manualnej generalizacji analizuje i rozważa najpierw kontekst geograficzny danej sytuacji, generalizując nie rozpatruje pojedynczych obiektów, ale ich grupy, dąży do zachowania charakterystycznych cech obiektów geograficznych. W procesie decyzyjnym, jakim jest proces generalizacji, kartograf łączy wiedzę

8 12 Izabela Karsznia strukturalną i proceduralną w celu otrzymania poprawnego wyniku generalizacji. W celu opracowania procedur automatycznej generalizacji map, czy też danych przestrzennych wiedza geometryczna, strukturalna i proceduralna kartografa musi zostać sformalizowana i zaimplementowana w środowisku komputerowym. Konieczne jest również opracowanie technik służących kontroli i optymalizacji procesu generalizacji Możliwości formalizacji wiedzy kartograficznej Bardzo interesujące wydają się również badania dotyczące możliwości i ograniczeń systemów wspomagających automatyzację procesu generalizacji, prowadzone wspólnie przez kilka jednostek badawczych oraz instytucji administracyjnych, zajmujących się opracowywaniem oraz rozpowszechnianiem map i baz danych przestrzennych. Badania prowadzone są w ramach projektu EuroSDR (European Spatial Data Research) równolegle w czterech środowiskach programowych: ArcGIS, Genesys, Change/ Push/Typify oraz Clarity i dotyczą map wielkoskalowych (ze skali 1:1250 jako skali źródłowej do skali 1: jako skali docelowej). Głównym zadaniem omawianego projektu jest ocena i opis istniejącego stanu wiedzy kartograficznej zastosowanej w komercyjnych systemach GIS, z punktu widzenia stopnia jego formalizacji i poprawności w stosunku do istniejących instrukcji redagowania map. A więc ocena, na ile i z jakim skutkiem możliwa jest formalizacja wiedzy kartograficznej dla opracowań w skalach dużych oraz w jakim zakresie wybrane systemy komercyjne pozwalają na automatyzację procesu generalizacji map (J. Stoter 2008; D. Burghardt i inni 2007). Projekt ten jest w trakcie realizacji, jednak dotychczasowe wnioski wskazują na: potrzebę dalszego uściślania zasad redakcji map w celu bardziej poprawnego wykorzystania wiedzy kartograficznej w systemach komputerowych; brak dostatecznie precyzyjnych narzędzi w systemach wspomagających generalizację w zakresie parametryzacji czynności generalizacyjnych, wykrywania i rozwiązywania konfliktów w trakcie i po generalizacji oraz brak narzędzi pozwalających na prowadzenie analiz kontekstowych, w których uwzględniane są całe obszary oraz grupy obiektów Generalizacja on-line i wieloreprezentacyjne bazy danych przestrzennych Jednym z największych, ale i najtrudniejszych wyzwań w automatycznej generalizacji danych przestrzennych jest możliwość otrzymywania map o różnych skalach z jednej bazy danych, w czasie rzeczywistym. Jest kilka rozwiązań zmierzających do realizacji tego zadania. Jednym z nich jest przechowywanie na tyle dużej liczby map, aby różnice w zakresie poziomów szczegółowości były bardzo nieznaczne. Innym rozwiązaniem zaproponowanym przez L. Letho i T. Sarjakoski (2005) jest zastosowanie metod opartych na języku XML do przeprowadzenia prostych czynności generalizacyjnych. W podejmowanych dotychczas próbach pozyskiwania danych o różnych stopniach szczegółowości w sposób w pełni automatyczny z jednej podstawowej bazy danych napotykano na trudności związane z przygotowaniem szeregu czynności generalizacyjnych w czasie rzeczywistym. Rozwiązanie kompromisowe między generalizacją interaktywną a generalizacją on-line zaproponowali C.B. Jones i inni (2000). Podejście to zakłada utrzymanie jednej wieloreprezentacyjnej bazy danych przestrzennych, w której gromadzone są informacje o największym stopniu szczegółowości dotyczące geometrii obiektów. Dane te połączone są z informacjami atrybutowymi, co po integracji z danymi geometrycznymi pozwala na wizualizację o określonym stopniu szczegółowości. Taka baza danych w połączeniu z oprogramowaniem pozwalającym na kontrolę zależności przestrzennych między generalizowanymi obiektami umożliwia otrzymywanie map w różnych skalach Opracowanie wspólnej platformy generalizacyjnej W ostatnich latach przedmiotem zainteresowania kartografów jest zastosowanie technologii oraz usług internetowych w procesie opracowania, wizualizacji i generalizacji oraz udostępniania map i danych przestrzennych (M. Neun 2007; D. Burdhardt i inni 2005). W rezultacie mapy wyświetlane w Internecie generowane są w czasie rzeczywistym, a zakres niesionych przez nie informacji uzależniony jest od wymagań użytkownika. Budowa dynamicznych kartograficznych serwisów internetowych związana jest z opracowaniem procedur automatycznej generalizacji map. Nowe możliwości, a zarazem

9 Aktualne problemy automatycznej generalizacji danych przestrzennych 13 nowe potrzeby w dziedzinie generalizacji danych przestrzennych znalazły swoje odzwierciedlenie w próbach opracowania wspólnej interoperacyjnej platformy generalizacyjnej (A. Edwardes i inni 2007). Pozwoliłoby to na testowanie i wymianę algorytmów generalizacyjnych, opracowywanych w formie usług internetowych przez różne jednostki badawcze. Istotnym krokiem, zmierzającym do opracowania wspólnej platformy generalizacyjnej, są prace prowadzone na Uniwersytecie w Zurychu pod kierunkiem profesora R. Weibela, m. in. w ramach projektu badawczego DEGEN (Data Enrichment for Adaptive Generalization). Dotyczą one próby opisania mapy (bazy danych) poprzez relacje miedzy znajdującymi się na niej obiektami geograficznymi, wzbogacenia bazy danych o informację charakteryzującą te obiekty, a następnie jej wykorzystanie w procesie decyzyjnym przy generalizacji. W literaturze kartograficznej działania te określa się terminem wzbogacenia danych (data enrichment), a sam proces analizowania grup obiektów i relacji je wiążących, a więc kontekstu mapy nazywa się rozpoznawaniem struktur danych (structure recognition) (S. Steiniger, R. Weibel 2007; M. Bobzien i inni 2008). Terminem adaptive generalization określa się proces decyzyjny polegający na doborze odpowiedniego operatora do konkretnej grupy obiektów oraz odpowiednich wartości parametrów (warunków) do określonej sytuacji graficznej (M. Neun 2007). W ramach projektu DEGEN powstały dwie prace doktorskie: S. Steinigera (2007) oraz M. Neuna (2007). Celem pierwszej rozprawy była klasyfikacja, modelowanie oraz wykorzystanie relacji przestrzennych między obiektami w procesie generalizacji. Zamierzeniem drugiej pracy było zastosowanie danych i wiedzy związanej z relacjami zachodzącymi między nimi w interoperacyjnym środowisku GIS. Efektem prowadzonych badań jest prototyp platformy generalizacyjnej opracowany przez M. Neuna (http://webgen.geo.uzh.ch/ about.html). 6. Podsumowanie Podsumowując opisane wyzwania i aktualne problemy w zakresie automatycznej generalizacji danych przestrzennych należy zauważyć, że proces generalizacji nie jest obecnie postrzegany jedynie jako jeden z etapów produkcji map, lecz raczej jako jeden z jego najważniejszych elementów. Generalizacja komputerowa jest obecnie czymś więcej niż naśladowaniem manualnej pracy kartografa jest modelowaniem przestrzeni geograficznej, uwzględniającym nie tylko geometrię, ale i zależności między generalizowanymi obiektami oraz ich specyfikę (W. Mackaness i inni 2007). W ciągu ostatnich dwudziestu lat generalizacja komputerowa zmieniła się z podejścia algorytmicznego, bazującego prawie wyłącznie na geometrii obiektów, na zaawansowany proces decyzyjny, prowadzony z wykorzystaniem najnowocześniejszych technologii i systemów GIS. Przyszłość generalizacji automatycznej należy do ostatniego z wymienionych kierunków badawczych, a więc prób opracowania wspólnej platformy generalizacyjnej, w której algorytmy i warunki generalizacji będą funkcjonowały w formie usług internetowych. Do zalet takiego rozwiązania zaliczyć można interoperacyjność oraz dostępność usług niezależną od posiadanego sprzętu komputerowego (D. Burghardt i inni 2005). Wymaga ono jednak dalszych badań w zakresie formalizacji wiedzy kartograficznej, doskonalenia metod oceny wyników generalizacji, rozwoju usług i aplikacji internetowych oraz poprawy jakości danych przestrzennych. Literatura Bader M., Barrault M., Weibel R., 2005, Building displacement over a ductile truss. Intern. J. of Geogr. Inform. Science Vol. 19, no. 8 9, s Barrault M., Regnauld N., Duchene C., Haire K., Baeijs C., Damazeau Y., Hardy P., Mackaness W., Ruas A., Weibel R., 2001, Integrating mulit-agent object- -oriented and algorithmic techniques for improved automated map generalization. W: Procceedings of the XX International Cartographic Conference. Pekin, Vol. 3, s Bell M., Neuffer D., Woodsford P., 2004, Agent-based generalization an update on progress. Kartogr. Nachr. Jg. 54, H. 4, s Bobzien M., Burghardt D., Petzold I., Neun M., Weibel R., 2008, Multi-representation databases with explicitly modeled horizontal, vertical and update relations. Cartography and Geogr. Inform. Science Vol. 35, no. 1, s Borkowski A., Lipski R., 2006, Realizacja operatora odsunięcia kartograficznego za pomocą aktywnych funkcji sklejanych test metody. Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum T. 5, nr 1 2, s Brassel K., 1985, Strategies for data models for com-

10 14 Izabela Karsznia puter-aided generalization. Intern. Yearb. of Cartography Vol. 25, s Brassel K., Weibel R., 1988, A review and conceptual framework of automated map generalization. Intern. J. of Geogr. Inform. Systems Vol. 2, no. 3, s Burghardt D., Meier S., 1997, Cartographic displacement using the snakes concept. W: W. Foerstner, L. Pluemer (Eds.), Semantic modeling for the acquisition of topographic information from images and maps. Birkhauser, s Burghardt D., Neun M., Weibel R., 2005, Generalization services on the web classification and an initial prototype implementation. Cartography and Geogr. Inform. Science Vol. 32, no. 4, s Burghardt D., Schmid S., Stoter J., 2007, Investigations on cartographic constraint formalisation. 10th Workshop on Generalisation and Multiple Representation, Moskwa. ICAWorkshop.pdf Buttenfield B., McMaster R.B., 1991, Map generalization: making rules for knowledge representation. New York: Longman. Chrobak T., Keller S.F., Kozioł K., Szostak M., Żukowska M., 2007, Podstawy cyfrowej generalizacji kartograficznej. Praca zbiorowa pod redakcją T. Chrobaka. Kraków: Wydawn. AGH. Duchene C., 2003, Automated map generalisation using comunicating agents. W: Procceedings of the XXI International Cartographic Conference. Durban, płyta CD. Duchene C., 2004a, The CartACom model: a generalization model for taking relational constraints into account. W: ICA Workshop on Generalization and Multiple Representation. Leicester. ICAWorkshop.pdf Duchene C., 2004b, Generalisation cartographique par agents communicants: le modele CartACom. Praca doktorska, Universite Paris 6 Pierre et Marie Curie. Edwardes A., Burghardt D., Bobzien M., Harrie L., Reichenbacher T., Sester M., Weibel R., 2003, Map generalization technology: addressing the need for a common research platform. W: Proceedings of the XXI International Cartographic Conference. Durban, płyta CD. Edwardes A., Burghardt D., Neun M., 2007, Experiments in building an open generalization system. W: W.A. Mackaness, A. Ruas, L.T. Sarjakoski (Eds.), Generalization of geographic information: cartographic modelling and applications. Oxford: Elsevier, s Gaffuri J., Duchene C., Ruas A., 2008, Object-field relationships modelling in an agent-based generalization model. W: ICA Workshop on Generalization and Multiple Representation. Montpellier. 16_Gaffuri_et_al.pdf Gotlib D., Iwaniak A., Olszewski R., 2007, GIS. Obszary zastosowań. Warszawa: Wydawn. Naukowe PWN. Grunreich D., 1995, Developement of computer-assisted generalization. W: J.C. Muller, J.P. Lagrange, R. Weibel (Eds.), GIS and generalization: methodology and practice. London: Taylor and Francis, s Harrie L.E., 2000, The constraint method for solving spatial conflicts in cartographic generalization. Cartography and Geogr. Inform. Science Vol. 26, no. 1, s Højholt P., 2000, Solving space conflict in map generalization: using a finite element method. Cartography and Geogr. Inform. Science Vol. 27, no. 1, s Iwaniak A., Paluszyński W., Żyszkowska W., 1998, Generalizacja map numerycznych koncepcje i narzędzia. Polski Przegl. Kartogr. T. 30, nr 2, s Jones C.B., Abdelmoty A.I., Lonergan M.E., van der Poorten P., Zhou S., 2000, Multi-scale spatial database design for online generalization. W: International Symposium on Spatial Data Handling. Beijijg, 7b, s Lamy S., Ruas A., Demazeau Y., Jackson M., Mackaness W., Weibel R., 1999, The application of Agents in automated map generalization. W: Proceedings of the 19st International Cartographic Conference. Ottawa, płyta CD. Letho L., Sarjakoski T., 2005, Real-time generalization of XML-encoded spatial data for the Web and mobile devices. Intern. J. of Geogr. Inform. Science Vol. 19, nos. 8 9, s Luck M., 1997, Foundations of multi-agent systems: issues and directions. Knowledge Engineering Review Vol. 12, no. 3, s Mackaness W.A., Ruas A., Sarjakoski L.T., 2007, Observations and research challenges in map generalization and multiple representation. W: W.A. Mackaness, A. Ruas, L.T. Sarjakoski (Eds.), Generalization of geographic information: cartographic modelling and applications. Oxford: Elsevier, s McMaster R.B., Shea K.S., 1988, Cartographic generalization in a digital environment: a framework implementation in a geographic information system. W: GIS/LIS 88 Proceedings. San Antonio, Texas, s McMaster R.B., 1991, Conceptual frameworks for geographical knowlegde. W: B.P. Buttenfield and R.B. McMaster (Eds.), Map generalization: making rules for knowledge representation. London: Longman, s Michalewicz Z., Fogel D.B., 2006, Jak to rozwiązać, czyli nowoczesna heurystyka. Warszawa: Wydawn. Naukowo-Techniczne. Morrison J., 1974, A theoretical framework for cartographic generalization with emphasis on the process of symbolization. Intern. Yearb. of Cartography Vol. 14, s Multilingual Dictionary of Technical Terms in Cartogra-

11 Aktualne problemy automatycznej generalizacji danych przestrzennych 15 phy, ICA, Commission II. Wiesbaden: Franz Steiner Verl. Mustiere S., Duchene C., 2001, Comparison of different approaches to combine road generalization algorithms: GALBE, AGENT and CartoLearn. W: ICA Workshop on Generalisation and Multiple Representation. Beijing. mustiere_duchene_v1.pdf Neun M., 2007, Data enrichment for adaptive map generalization using web services. Praca doktorska, Eidgenossische Technische Hochschule, Zürich. Powitz B., 1992, Computer-assisted generalization an important software tool for GIS. Intern. Archives of Photogrammetry and Remote Sensing Vol. 30, no. 4, s Ratajski L., 1967, Phenomenes des points de generalization. Intern. Yearb. of Cartography Vol. 7, s Ratajski L., 1973, Rozważania o generalizacji kartograficznej, cz. II. Polski Przegl. Kartogr. T. 5, nr 3, s Regnauld N., McMaster R.B., 2007, A synoptic view of generalization operators. W: W.A. Mackaness, A. Ruas, L.T. Sarjakoski (Eds.), Generalization of geographic information: cartographic modelling and applications. Oxford: Elsevier, s Robinson G., Lee F., 1994, An automatic generalization system for lagre-scale topographic maps. W: M. Worboys (Ed.), Innovations in GIS. London: Taylor and Francis, s Ruas A., 1999, Modèle de generalisation de données géographiques a base de constraintes et d autonomie. Praca doktorska, Universite de Marne la Vallee. Ruas A., Duchene C., 2007, A prototype generalization system based on the multi-agent system paradigm. W: W.A. Mackaness, A. Ruas i L.T. Sarjakoski (Eds), Generalization of geographic information: cartographic modelling and applications. Amsterdam: Elsevier, s Sabo M.N., Bedard Y., Moulin B., Bernier E., 2008, Toward self-generalizing objects and on-the-fly map generalization. Cartographica Vol. 43, no. 3, s Sarjakoski L.T., 2007, Conceptual models of generalization and multiple representation. W: W.A. Mackaness, A. Ruas, L.T. Sarjakoski (Eds.), Generalization of geographic information: cartographic modelling and applications. Oxford: Elsevier, s Sester M., 2000, Generalization based on Least Square Adjustment. Intern. Archives of Photogrametry and Remote Sensing Vol. 33, s Steiniger S., Meier S., 2004, Snakes: a technique for line smoothing and displacement in map generalization. W: ICA Workshop on Generalization and Multiple Representation. Leicester. ICAWorkshop.pdf Steiniger S., 2007, Enabling pattern aware automated map generalization. Praca doktorska, Eidgenossische Technische Hochschule, Zürich. Steiniger S., Weibel R., 2007, Relations among map objects in cartographic generalization. Cartography and Geogr. Inform. Science Vol. 34, no. 3, s Stoter J., 2008, A study on the state-of-the-art in automated map generalization implemented in commercial out-of-the-box software. W: ICA Workshop on Generalization and Multiple Representation. Montpellier. et_al.pdf Ware J.M., Jones C.B., 1998, Conflict reduction in map generalization using iterative improvement. Geoinformatica Vol. 2, no. 4, s Ware J.M., Jones C.B., 2005, Map generalization in the web age. Intern. J. of Geogr. Inform. Science Vol. 17, no. 8, s Ware J.M, Jones C.B, Thomas N., 2003, Automated cartographic map generalization with multiple operators: a simulated annealing approach. Intern. J. of Geogr. Inform. Science Vol. 19, nos. 8 9, s Weibel R., Keller S., Reichenbacher T., 1995, Overcoming the knowledge acquisition bottleneck in map generalization: the role of interactive systems and computationnal intelligence. Lecture Notes in Computer Science (COSIT 95), Berlin: Springer-Verlag, Vol. 988, s Recenzował prof. dr hab. Artur Magnuszewski Current problems of automatic generalization of spatial data Summary K e y w o r d s: automation of the generalization process, conceptual models, spatial data Generalization is one of basic features of cartographic presentation. According to the International Cartographic Association generalization is a selection and simplification of geographic information to fit the map s scale and purpose. In the 80s and 90s the research on automation of the generalization process focused on two major issues: development of new generalization algorithms and acquisition and application of cartographic knowledge, e.g. in the form of rules in expert systems. Nowadays research concentrates firstly on more comprehensive generalization algorithms, accounting for a series of

12 16 Izabela Karsznia factors and spatial relations between objects, and secondly on more advanced generalization techniques, e.g. multi agent systems. Dynamic development of research on generalization automation raised the requirements for the already existing or currently developed systems supporting the process of generalization. The research focuses on: acquisition of cartographic knowledge in order to identify the rules which govern the process of generalization, formalization of the rules of generalization, development of generalization models, development of more comprehensive tools for spatial analysis and new generalization algorithms, modeling of geographic space in the form of object- -oriented structures, with fuller geometric and topologic features of spatial data, attempts to apply algorithms and data structures which support the process of cartographic generalization (e.g. application of Delauney s triangulation in the process of building relocation), elaboration of multi-representational spatial databases, enabling the user to visualize data from one base on different levels of detail, possibility to apply the available generalization algorithms in a selected software environment in order to experiment with the application sequence and harmonization. The article discusses basic assumptions of the process of spatial data generalization. More important conceptual models of generalization and methods of optimization and control of the process are characterized. Current problems and research directions are presented, with special attention being paid to: contextual aspects of the generalization process, on-line generalization, multi-presentational spatial databases, comprehensive character of the process, possibility to formalize cartographic knowledge and development of a common generalization platform. Translated by M. Horodyski

ROCZNIKI GEOMATYKI 2008 m TOM VI m ZESZYT 7

ROCZNIKI GEOMATYKI 2008 m TOM VI m ZESZYT 7 Okreœlenie mo liwoœci POLSKIE i TOWARZYSTWO ograniczeñ wykorzystania INFORMACJI systemu PRZESTRZENNEJ DynaGEN w procesie... ROCZNIKI GEOMATYKI 2008 m TOM VI m ZESZYT 7 43 OKREŒLENIE MO LIWOŒCI I OGRANICZEÑ

Bardziej szczegółowo

Transformacja wiedzy w budowie i eksploatacji maszyn

Transformacja wiedzy w budowie i eksploatacji maszyn Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces

Bardziej szczegółowo

Projekt celowy nr 6 T 12 2005C/06552

Projekt celowy nr 6 T 12 2005C/06552 Projekt celowy nr 6 T 12 2005C/06552 Zagadnienia opracowane w ramach realizacji zadania 4 Generalizacja cyfrowego modelu krajobrazu w poszczególnych szeregach skalowych Warszawa, grudzień 2006 1 Wprowadzenie

Bardziej szczegółowo

Zastosowanie sztucznej inteligencji w testowaniu oprogramowania

Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie

Bardziej szczegółowo

z dnia... 2015 r. w sprawie bazy danych obiektów topograficznych oraz mapy zasadniczej

z dnia... 2015 r. w sprawie bazy danych obiektów topograficznych oraz mapy zasadniczej ROZPORZĄDZENIE Projekt z dnia 18.06.15 r. MINISTRA ADMINISTRACJI I CYFRYZACJI 1) z dnia... 2015 r. w sprawie bazy danych obiektów topograficznych oraz mapy zasadniczej Na podstawie art. 19 ust. 1 pkt 7

Bardziej szczegółowo

Integracja systemu CAD/CAM Catia z bazą danych uchwytów obróbkowych MS Access za pomocą interfejsu API

Integracja systemu CAD/CAM Catia z bazą danych uchwytów obróbkowych MS Access za pomocą interfejsu API Dr inż. Janusz Pobożniak, pobozniak@mech.pk.edu.pl Instytut Technologii Maszyn i Automatyzacji produkcji Politechnika Krakowska, Wydział Mechaniczny Integracja systemu CAD/CAM Catia z bazą danych uchwytów

Bardziej szczegółowo

Semiotyczne podstawy redagowania nowej generacji map topograficznych. Dr hab. Wiesław Ostrowski Dr Tomasz Berezowski

Semiotyczne podstawy redagowania nowej generacji map topograficznych. Dr hab. Wiesław Ostrowski Dr Tomasz Berezowski Semiotyczne podstawy redagowania nowej generacji map topograficznych Dr hab. Wiesław Ostrowski Dr Tomasz Berezowski Trzy części wykładu: 1. Semiotyka a kartografia. 2. Najważniejsze podstawy i uwarunkowania

Bardziej szczegółowo

Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych

Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych dr inż. Adam Iwaniak Infrastruktura Danych Przestrzennych w Polsce i Europie Seminarium, AR Wrocław

Bardziej szczegółowo

p r o j e k t ROZPORZĄDZENIA MINISTRA SPRAW WEWNĘTRZNYCH I ADMINISTRACJI

p r o j e k t ROZPORZĄDZENIA MINISTRA SPRAW WEWNĘTRZNYCH I ADMINISTRACJI 08.12.2009 r. p r o j e k t ROZPORZĄDZENIA MINISTRA SPRAW WEWNĘTRZNYCH I ADMINISTRACJI w sprawie sposobu i trybu tworzenia, aktualizacji i udostępniania bazy danych obiektów topograficznych oraz bazy danych

Bardziej szczegółowo

Bartosz Kulawik Koordynator Projektu Centrum Badań Kosmicznych PAN Zespół Obserwacji Ziemi

Bartosz Kulawik Koordynator Projektu Centrum Badań Kosmicznych PAN Zespół Obserwacji Ziemi Bartosz Kulawik Koordynator Projektu Centrum Badań Kosmicznych PAN Zespół Obserwacji Ziemi Maciej Borsa Koordynator B+R Instytut Systemów Przestrzennych I Katastralnych Upowszechnienie techniki satelitarnej

Bardziej szczegółowo

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel według przewidywań internetowego magazynu ZDNET News z 8 lutego 2001 roku eksploracja danych (ang. data mining ) będzie jednym z najbardziej rewolucyjnych osiągnięć następnej dekady. Rzeczywiście MIT Technology

Bardziej szczegółowo

Problematyka modelowania bazy danych mapy zasadniczej i GESUT

Problematyka modelowania bazy danych mapy zasadniczej i GESUT Konferencja Harmonizacja baz danych georeferencyjnych 1 Zegrze Południowe, 8-9 grudzień 2008 Urząd Marszałkowski Województwa Mazowieckiego Problematyka modelowania bazy danych mapy zasadniczej i GESUT

Bardziej szczegółowo

Wybrane problemy z dziedziny modelowania i wdrażania baz danych przestrzennych w aspekcie dydaktyki. Artur Krawczyk AGH Akademia Górniczo Hutnicza

Wybrane problemy z dziedziny modelowania i wdrażania baz danych przestrzennych w aspekcie dydaktyki. Artur Krawczyk AGH Akademia Górniczo Hutnicza Wybrane problemy z dziedziny modelowania i wdrażania baz danych przestrzennych w aspekcie dydaktyki Artur Krawczyk AGH Akademia Górniczo Hutnicza Problem modelowania tekstowego opisu elementu geometrycznego

Bardziej szczegółowo

Systemy informacji geograficznej

Systemy informacji geograficznej Systemy informacji geograficznej Andrzej Głażewski Politechnika Warszawska Zakład Kartografii Definicja systemu informacji geograficznej Elementy systemu: Sprzęt (obecnie: komputerowy) Dane (postać cyfrowa)

Bardziej szczegółowo

KOŁO NAUKOWE GEODETÓW Dahlta

KOŁO NAUKOWE GEODETÓW Dahlta WYDZ. GEODEZJI GÓRNICZEJ I INŻYNIERII ŚRODOWISKA KOŁO NAUKOWE GEODETÓW Dahlta www.kng.agh.edu.pl Karlova Studánka, 17-19 maja 2012 r. BUDOWA SYSTEMU INFORMACJI PRZESTRZENNEJ DLA UCZELNI WYŻSZEJ GEOPORTAL

Bardziej szczegółowo

Tematy prac magisterskich Rok akademicki 2013/2014

Tematy prac magisterskich Rok akademicki 2013/2014 Dr hab. inż. Jan Werewka, prof. n. AGH Wydział EAIiIB AGH E-mail: werewka@agh.edu.pl www: http://home.agh.edu.pl/werewka Tematy prac magisterskich Rok akademicki 2013/2014 Temat 1 Architektura przedsięwzięcia

Bardziej szczegółowo

Robert Olszewski, Paweł Kowalski, Andrzej Głażewski

Robert Olszewski, Paweł Kowalski, Andrzej Głażewski Robert Olszewski, Paweł Kowalski, Andrzej Głażewski Pojęcie modelu rzeczywistości geograficznej obejmuje każdą współcześnie funkcjonującą postać opisu tej rzeczywistości, która jest zwięzła, czytelna dla

Bardziej szczegółowo

Systemy Informacji Geograficznej ich rola i zastosowanie

Systemy Informacji Geograficznej ich rola i zastosowanie Systemy Informacji Geograficznej ich rola i zastosowanie Iwona Nakonieczna Urząd Marszałkowski Województwa Dolnośląskiego Wydział Geodezji i Kartografii Wrocław, ul. Dobrzyńska 21/23 Wydział Geodezji i

Bardziej szczegółowo

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 INFORMATYKA I STOPNIA studia stacjonarne 1 sem. PO-W08-INF- - -ST-Ii-WRO-(2015/2016) MAP003055W Algebra z geometrią analityczną A

Bardziej szczegółowo

Technologia informacyjna (IT - Information Technology) dziedzina wiedzy obejmująca:

Technologia informacyjna (IT - Information Technology) dziedzina wiedzy obejmująca: 1.1. Podstawowe pojęcia Technologia informacyjna (IT - Information Technology) dziedzina wiedzy obejmująca: informatykę (włącznie ze sprzętem komputerowym oraz oprogramowaniem używanym do tworzenia, przesyłania,

Bardziej szczegółowo

Wykład I. Wprowadzenie do baz danych

Wykład I. Wprowadzenie do baz danych Wykład I Wprowadzenie do baz danych Trochę historii Pierwsze znane użycie terminu baza danych miało miejsce w listopadzie w 1963 roku. W latach sześcdziesątych XX wieku został opracowany przez Charles

Bardziej szczegółowo

Co, kto, kiedy, jak, gdzie? Metadane. Metodyka opracowania i stosowania metadanych w Polsce

Co, kto, kiedy, jak, gdzie? Metadane. Metodyka opracowania i stosowania metadanych w Polsce Metodyka opracowania i stosowania metadanych w Polsce Adam Iwaniak Szkolenie w Luboradzy, ZCPWZ, 12-13.02.2009r. Metadane Metadane sumaryczny opis lub charakterystyka zbioru danych. Odpowiedź na pytania:

Bardziej szczegółowo

GML w praktyce geodezyjnej

GML w praktyce geodezyjnej GML w praktyce geodezyjnej Adam Iwaniak Kon-Dor s.c. Konferencja GML w praktyce, 12 kwietnia 2013, Warszawa SWING Rok 1995, standard de jure Wymiany danych pomiędzy bazami danych systemów informatycznych

Bardziej szczegółowo

Kartografia multimedialna krótki opis projektu. Paweł J. Kowalski

Kartografia multimedialna krótki opis projektu. Paweł J. Kowalski Kartografia multimedialna krótki opis projektu Paweł J. Kowalski Copyright Paweł J. Kowalski 2008 1. Schemat realizacji projektu 2 Celem projektu wykonywanego w ramach ćwiczeń z kartografii multimedialnej

Bardziej szczegółowo

Przegląd oprogramowania GIS do tworzenia map tematycznych. Jacek Jania

Przegląd oprogramowania GIS do tworzenia map tematycznych. Jacek Jania Przegląd oprogramowania GIS do tworzenia map tematycznych Jacek Jania Plan prezentacji 1. Mapy tematyczne 2. Narzędzia do tworzenia map tematycznych 3. Rodzaje pakietów oprogramowania GIS 4. Rodzaje licencji

Bardziej szczegółowo

Departament Geodezji i Kartografii Urzędu Marszałkowskiego Województwa Łódzkiego

Departament Geodezji i Kartografii Urzędu Marszałkowskiego Województwa Łódzkiego W ramach konkursu Internetowa Mapa Roku 2013 organizowanego przez Stowarzyszenie Kartografów Polskich Departament Geodezji i Kartografii Urzędu Marszałkowskiego Województwa Łódzkiego zgłasza dwa opracowania

Bardziej szczegółowo

Koncepcja pomiaru i wyrównania przestrzennych ciągów tachimetrycznych w zastosowaniach geodezji zintegrowanej

Koncepcja pomiaru i wyrównania przestrzennych ciągów tachimetrycznych w zastosowaniach geodezji zintegrowanej Koncepcja pomiaru i wyrównania przestrzennych ciągów tachimetrycznych w zastosowaniach geodezji zintegrowanej Krzysztof Karsznia Leica Geosystems Polska XX Jesienna Szkoła Geodezji im Jacka Rejmana, Polanica

Bardziej szczegółowo

Współczesna problematyka klasyfikacji Informatyki

Współczesna problematyka klasyfikacji Informatyki Współczesna problematyka klasyfikacji Informatyki Nazwa pojawiła się na przełomie lat 50-60-tych i przyjęła się na dobre w Europie Jedna z definicji (z Wikipedii): Informatyka dziedzina nauki i techniki

Bardziej szczegółowo

Tom 6 Opis oprogramowania

Tom 6 Opis oprogramowania Część 9 Narzędzie do wyliczania wskaźników statystycznych Diagnostyka Stanu Nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 31 maja 2012 Historia dokumentu Nazwa dokumentu Nazwa

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z inteligentnymi

Bardziej szczegółowo

GRAFY JAKO MODELE TOPOLOGICZNE DANYCH MAPY NUMERYCZNEJ

GRAFY JAKO MODELE TOPOLOGICZNE DANYCH MAPY NUMERYCZNEJ Lewandowicz E., 2007; Kartografia numeryczna i informatyka geodezyjna. Materiały II Ogólnopolskiej Konferencji Naukowo-Technicznej, Rzeszów 2007, str. 17-24 Elżbieta LEWANDOWICZ 1 GRAFY JAKO MODELE TOPOLOGICZNE

Bardziej szczegółowo

Projektowanie systemów informatycznych. wykład 6

Projektowanie systemów informatycznych. wykład 6 Projektowanie systemów informatycznych wykład 6 Iteracyjno-przyrostowy proces projektowania systemów Metodyka (ang. methodology) tworzenia systemów informatycznych (TSI) stanowi spójny, logicznie uporządkowany

Bardziej szczegółowo

Diagramy ERD. Model struktury danych jest najczęściej tworzony z wykorzystaniem diagramów pojęciowych (konceptualnych). Najpopularniejszym

Diagramy ERD. Model struktury danych jest najczęściej tworzony z wykorzystaniem diagramów pojęciowych (konceptualnych). Najpopularniejszym Diagramy ERD. Model struktury danych jest najczęściej tworzony z wykorzystaniem diagramów pojęciowych (konceptualnych). Najpopularniejszym konceptualnym modelem danych jest tzw. model związków encji (ERM

Bardziej szczegółowo

Przedsiębiorstwo zwinne. Projektowanie systemów i strategii zarządzania

Przedsiębiorstwo zwinne. Projektowanie systemów i strategii zarządzania Politechnika Poznańska, Wydział Inżynierii Zarządzania Dr inż. Edmund Pawłowski Przedsiębiorstwo zwinne. Projektowanie systemów i strategii zarządzania Modelowanie i projektowanie struktury organizacyjnej

Bardziej szczegółowo

Wprowadzenie do systemów GIS

Wprowadzenie do systemów GIS Wprowadzenie do systemów GIS TLUG 09.06.2007 1 GIS - co to w ogóle za skrót Geographical Information System System Ingormacji Geograficznej System Informacji Przestrzennej System Informacji Przestrzennej

Bardziej szczegółowo

PRACA DYPLOMOWA Magisterska

PRACA DYPLOMOWA Magisterska POLITECHNIKA WARSZAWSKA Wydział Samochodów i Maszyn Roboczych PRACA DYPLOMOWA Magisterska Studia stacjonarne dzienne Semiaktywne tłumienie drgań w wymuszonych kinematycznie układach drgających z uwzględnieniem

Bardziej szczegółowo

Tom 6 Opis oprogramowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli obmiaru do celów fakturowania

Tom 6 Opis oprogramowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli obmiaru do celów fakturowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli Diagnostyka stanu nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 21 maja 2012 Historia dokumentu

Bardziej szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina

Bardziej szczegółowo

Prowadzący. Doc. dr inż. Jakub Szymon SZPON. Projekt jest współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego.

Prowadzący. Doc. dr inż. Jakub Szymon SZPON. Projekt jest współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego. EDUKACJA DLA BEZPIECZEŃSTWA studia podyplomowe dla czynnych zawodowo nauczycieli szkół gimnazjalnych i ponadgimnazjalnych Projekt jest współfinansowany ze środków Unii Europejskiej w ramach Europejskiego

Bardziej szczegółowo

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74 3 Wykaz najważniejszych skrótów...8 Przedmowa... 10 1. Podstawowe pojęcia data mining...11 1.1. Wprowadzenie...12 1.2. Podstawowe zadania eksploracji danych...13 1.3. Główne etapy eksploracji danych...15

Bardziej szczegółowo

Obiekty Badawcze długoterminowe przechowywanie eksperymentów naukowych. Piotr Hołubowicz, Raúl Palma Poznańskie Centrum Superkomputerowo-Sieciowe

Obiekty Badawcze długoterminowe przechowywanie eksperymentów naukowych. Piotr Hołubowicz, Raúl Palma Poznańskie Centrum Superkomputerowo-Sieciowe Obiekty Badawcze długoterminowe przechowywanie eksperymentów naukowych Piotr Hołubowicz, Raúl Palma Poznańskie Centrum Superkomputerowo-Sieciowe Plan prezentacji» Przechowywanie eksperymentów naukowych»

Bardziej szczegółowo

technologii informacyjnych kształtowanie , procesów informacyjnych kreowanie metod dostosowania odpowiednich do tego celu środków technicznych.

technologii informacyjnych kształtowanie , procesów informacyjnych kreowanie metod dostosowania odpowiednich do tego celu środków technicznych. Informatyka Coraz częściej informatykę utoŝsamia się z pojęciem technologii informacyjnych. Za naukową podstawę informatyki uwaŝa się teorię informacji i jej związki z naukami technicznymi, np. elektroniką,

Bardziej szczegółowo

MODELOWANIE SYSTEMU OCENY WARUNKÓW PRACY OPERATORÓW STEROWNI

MODELOWANIE SYSTEMU OCENY WARUNKÓW PRACY OPERATORÓW STEROWNI Inżynieria Rolnicza 7(105)/2008 MODELOWANIE SYSTEMU OCENY WARUNKÓW PRACY OPERATORÓW STEROWNI Agnieszka Buczaj Zakład Fizycznych Szkodliwości Zawodowych, Instytut Medycyny Wsi w Lublinie Halina Pawlak Katedra

Bardziej szczegółowo

WYBÓR PUNKTÓW POMIAROWYCH

WYBÓR PUNKTÓW POMIAROWYCH Scientific Bulletin of Che lm Section of Technical Sciences No. 1/2008 WYBÓR PUNKTÓW POMIAROWYCH WE WSPÓŁRZĘDNOŚCIOWEJ TECHNICE POMIAROWEJ MAREK MAGDZIAK Katedra Technik Wytwarzania i Automatyzacji, Politechnika

Bardziej szczegółowo

ZASTOSOWANIE TECHNOLOGII WIRTUALNEJ RZECZYWISTOŚCI W PROJEKTOWANIU MASZYN

ZASTOSOWANIE TECHNOLOGII WIRTUALNEJ RZECZYWISTOŚCI W PROJEKTOWANIU MASZYN MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 37, s. 141-146, Gliwice 2009 ZASTOSOWANIE TECHNOLOGII WIRTUALNEJ RZECZYWISTOŚCI W PROJEKTOWANIU MASZYN KRZYSZTOF HERBUŚ, JERZY ŚWIDER Instytut Automatyzacji Procesów

Bardziej szczegółowo

Projektowanie Wirtualne bloki tematyczne PW I

Projektowanie Wirtualne bloki tematyczne PW I Podstawowe zagadnienia egzaminacyjne Projektowanie Wirtualne - część teoretyczna Projektowanie Wirtualne bloki tematyczne PW I 1. Projektowanie wirtualne specyfika procesu projektowania wirtualnego, podstawowe

Bardziej szczegółowo

Analiza wykonalności dla wskaźnika: dostępność obszarów pod zabudowę

Analiza wykonalności dla wskaźnika: dostępność obszarów pod zabudowę Analiza wykonalności dla wskaźnika: dostępność obszarów pod zabudowę Analizę wykonalności dla wskaźnika dostępności obszarów pod zabudowę wykonamy zgodnie z przedstawionym schematem postępowania rozpoczynając

Bardziej szczegółowo

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:

Bardziej szczegółowo

ZARZĄDZANIE I INŻYNIERIA PRODUKCJI

ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZARZĄDZANIE I INŻYNIERIA PRODUKCJI STUDIA PIERWSZEGO STOPNIA PROFIL OGÓLNOAKADEMICKI Załącznik nr 2 Odniesienie efektów kierunkowych do efektów obszarowych i odwrotnie Załącznik nr 2a - Tabela odniesienia

Bardziej szczegółowo

Definicje. Najprostszy schemat blokowy. Schemat dokładniejszy

Definicje. Najprostszy schemat blokowy. Schemat dokładniejszy Definicje owanie i symulacja owanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano model, do

Bardziej szczegółowo

Analiza i projektowanie aplikacji Java

Analiza i projektowanie aplikacji Java Analiza i projektowanie aplikacji Java Modele analityczne a projektowe Modele analityczne (konceptualne) pokazują dziedzinę problemu. Modele projektowe (fizyczne) pokazują system informatyczny. Utrzymanie

Bardziej szczegółowo

MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH

MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH 1. Przedmiot nie wymaga przedmiotów poprzedzających 2. Treść przedmiotu Proces i cykl decyzyjny. Rola modelowania matematycznego w procesach decyzyjnych.

Bardziej szczegółowo

I rok. semestr 1 semestr 2 15 tyg. 15 tyg. Razem ECTS. laborat. semin. ECTS. konwer. wykł. I rok. w tym. Razem ECTS. laborat. semin. ECTS. konwer.

I rok. semestr 1 semestr 2 15 tyg. 15 tyg. Razem ECTS. laborat. semin. ECTS. konwer. wykł. I rok. w tym. Razem ECTS. laborat. semin. ECTS. konwer. Wydział Informatyki i Nauki o Materiałach Kierunek Informatyka studia I stopnia inżynierskie studia stacjonarne 08- IO1S-13 od roku akademickiego 2015/2016 A Lp GRUPA TREŚCI PODSTAWOWYCH kod Nazwa modułu

Bardziej szczegółowo

Innowacja geoinformacyjna. Geoinformation innovation

Innowacja geoinformacyjna. Geoinformation innovation Uniwersytet Śląski Instytut Informatyki Małgorzata Gajos Innowacja geoinformacyjna Geoinformation innovation Innowacje w różnych dziedzinach wiedzy ekonomia, marketing i zarządzanie, przedsiębiorczość,

Bardziej szczegółowo

WYKORZYSTANIE GIS W SERWISIE INTERNETOWYM SAMORZĄDU WOJEWÓDZTWA MAŁOPOLSKIEGO

WYKORZYSTANIE GIS W SERWISIE INTERNETOWYM SAMORZĄDU WOJEWÓDZTWA MAŁOPOLSKIEGO WYKORZYSTANIE GIS W SERWISIE INTERNETOWYM SAMORZĄDU WOJEWÓDZTWA MAŁOPOLSKIEGO Andrzej Sasuła Wicemarszałek Województwa Małopolskiego Warszawa, 30.11.2005 r. http://www.malopolska.pl to adres serwisu Internetowego

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela

Statystyka w pracy badawczej nauczyciela Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem

Bardziej szczegółowo

JAK OPTYMALNIE DOBRAĆ ODPOWIEDNIE TECHNOLOGIE INFORMATYCZNE?

JAK OPTYMALNIE DOBRAĆ ODPOWIEDNIE TECHNOLOGIE INFORMATYCZNE? K O N F E R E N C J A I N F O S H A R E 2 0 0 7 G d a ń s k 25-26.04.2007 JAK OPTYMALNIE DOBRAĆ ODPOWIEDNIE TECHNOLOGIE INFORMATYCZNE? Zespół Zarządzania Technologiami Informatycznymi Prezentacja dr inż.

Bardziej szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA MODUŁU KSZTAŁCENIA KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia

Bardziej szczegółowo

Tematy prac dyplomowych r. akad. 2014/2015

Tematy prac dyplomowych r. akad. 2014/2015 Instytut Informatyki 14.05.14 r. Tematy prac dyplomowych r. akad. 2014/2015 Tematy prac magisterskich Zakład Modelowania Materiałów dr hab. Marian Stanisław Uba 1. System wspomagający pracę telemarketera

Bardziej szczegółowo

POZYSKIWANIE, INTEGRACJA I UDOSTĘPNIANIE INFORMACJI PRZESTRZENNEJ W ERZE BIG DATA

POZYSKIWANIE, INTEGRACJA I UDOSTĘPNIANIE INFORMACJI PRZESTRZENNEJ W ERZE BIG DATA POZYSKIWANIE, INTEGRACJA I UDOSTĘPNIANIE INFORMACJI PRZESTRZENNEJ W ERZE BIG DATA Adam Iwaniak Tomasz Berezowski IGiG UP Wrocław Systemom Informacji Przestrzennej w rolnictwie, Starachowice 25-27 listopada

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Systemy ekspertowe w zarządzaniu firmą Expert systems in enterprise management Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: Rodzaj zajęć: Wyk. Ćwicz. Lab. Sem. Proj.

Bardziej szczegółowo

ZAGADNIENIA SPECJALNOŚCIOWE

ZAGADNIENIA SPECJALNOŚCIOWE (ARK) Komputerowe sieci sterowania 1.Zaawansowane metody wyznaczania parametrów regulatorów 2.Mechanizmy innowacyjne. 3.Sieci neuronowe w modelowaniu obiektów dynamicznych. 4.Zasady projektowania i zastosowania

Bardziej szczegółowo

UML w Visual Studio. Michał Ciećwierz

UML w Visual Studio. Michał Ciećwierz UML w Visual Studio Michał Ciećwierz UNIFIED MODELING LANGUAGE (Zunifikowany język modelowania) Pozwala tworzyć wiele systemów (np. informatycznych) Pozwala obrazować, specyfikować, tworzyć i dokumentować

Bardziej szczegółowo

RMSD - Ocena jakości wybranych molekularnych struktur przestrzennych

RMSD - Ocena jakości wybranych molekularnych struktur przestrzennych RMSD - Ocena jakości wybranych molekularnych struktur przestrzennych Joanna Wiśniewska Promotor: dr inż. P. Łukasiak Spis treści 1. Zakres pracy magisterskiej 2. Struktura białka 3. Struktura kwasów nukleionowych

Bardziej szczegółowo

Mariusz Nowak Instytut Informatyki Politechnika Poznańska

Mariusz Nowak Instytut Informatyki Politechnika Poznańska Inteligentne budynki (2) Źródła Loe E. C., Cost of Intelligent Buildings, Intelligent Buildings Conference, Watford, U. K., 1994 Nowak M., Zintegrowane systemy zarządzania inteligentnym budynkiem, Efektywność

Bardziej szczegółowo

Spis treści 377 379 WSTĘP... 9

Spis treści 377 379 WSTĘP... 9 Spis treści 377 379 Spis treści WSTĘP... 9 ZADANIE OPTYMALIZACJI... 9 PRZYKŁAD 1... 9 Założenia... 10 Model matematyczny zadania... 10 PRZYKŁAD 2... 10 PRZYKŁAD 3... 11 OPTYMALIZACJA A POLIOPTYMALIZACJA...

Bardziej szczegółowo

KONCEPCJA WYKORZYSTANIA TECHNOLOGII APPLET- JAVA W TWORZENIU

KONCEPCJA WYKORZYSTANIA TECHNOLOGII APPLET- JAVA W TWORZENIU KONCEPCJA WYKORZYSTANIA TECHNOLOGII APPLET- JAVA W TWORZENIU TORINGU PRZEMIESZCZA I ICH WIZUALIZACJI NA MAPIE CYFROWEJ 05-130 Zegrze, ul. Warszawska 22A Appletu przy projektowaniu i tworzeniu systemu Applet-

Bardziej szczegółowo

MAPY CYFROWE I ICH ZASTOSOWANIE

MAPY CYFROWE I ICH ZASTOSOWANIE MAPY CYFROWE I ICH ZASTOSOWANIE MAPY CYFROWE I ICH ZASTOSOWANIE NYSA, dn. 24.10.2014r. Opracowanie: Marcin Dorecki Wiesław Fościak Mapa zasadnicza rozumie się przez to wielkoskalowe opracowanie kartograficzne,

Bardziej szczegółowo

ROCZNIKI GEOMATYKI 2006 m TOM IV m ZESZYT 3

ROCZNIKI GEOMATYKI 2006 m TOM IV m ZESZYT 3 Eliminacja POLSKIE obiektów TOWARZYSTWO liniowych z zastosowaniem INFORMACJI regionów PRZESTRZENNEJ strukturalnych... ROCZNIKI GEOMATYKI 2006 m TOM IV m ZESZYT 3 109 ELIMINACJA OBIEKTÓW LINIOWYCH Z ZASTOSOWANIEM

Bardziej szczegółowo

Podstawy programowania III WYKŁAD 4

Podstawy programowania III WYKŁAD 4 Podstawy programowania III WYKŁAD 4 Jan Kazimirski 1 Podstawy UML-a 2 UML UML Unified Modeling Language formalny język modelowania systemu informatycznego. Aktualna wersja 2.3 Stosuje paradygmat obiektowy.

Bardziej szczegółowo

Badanie ankietowe dotyczące funkcjonalności aplikacji geoportalowej

Badanie ankietowe dotyczące funkcjonalności aplikacji geoportalowej Badanie ankietowe dotyczące funkcjonalności aplikacji geoportalowej Daniel Starczewski Centrum UNEP/GRID-Warszawa 1. Cel ankiety 2. Grupa ankietowanych - charakterystyka 3. Zakres opracowania ankiety 4.

Bardziej szczegółowo

RELACYJNE BAZY DANYCH I ICH ZNACZENIE W SYSTEMACH INFORMACJI GEOGRAFICZNEJ

RELACYJNE BAZY DANYCH I ICH ZNACZENIE W SYSTEMACH INFORMACJI GEOGRAFICZNEJ RELACYJNE BAZY DANYCH I ICH ZNACZENIE W SYSTEMACH INFORMACJI GEOGRAFICZNEJ RELACYJNE BAZY DANYCH I ICH ZNACZENIE W SYSTEMACH INFORMACJI GEOGRAFICZNEJ 1. ELEMENTY SYSTEMU INFORMACJI GEOGRAFICZNEJ DANE GEOGRAFICZNE

Bardziej szczegółowo

MODELOWANIE ZA POMOCĄ MES Analiza statyczna ustrojów powierzchniowych

MODELOWANIE ZA POMOCĄ MES Analiza statyczna ustrojów powierzchniowych MODELOWANIE ZA POMOCĄ MES Analiza statyczna ustrojów powierzchniowych PODSTAWY KOMPUTEROWEGO MODELOWANIA USTROJÓW POWIERZCHNIOWYCH Budownictwo, studia I stopnia, semestr VI przedmiot fakultatywny rok akademicki

Bardziej szczegółowo

Modele rzeczywistości geograficznej a modele danych przestrzennych

Modele rzeczywistości geograficznej a modele danych przestrzennych Andrzej Głażewski Zakład Kartografii Politechniki Warszawskiej Modele rzeczywistości geograficznej a modele danych przestrzennych Zarys treści Artykuł jest próbą uporządkowania pojęć funkcjonujących na

Bardziej szczegółowo

System informacji o szlakach turystycznych Mazowsza

System informacji o szlakach turystycznych Mazowsza System informacji o szlakach turystycznych Mazowsza Mateusz Troll Instytut Geografii i Gospodarki Przestrzennej UJ Tomasz Gacek GISonLine S.C. Plan prezentacji 1. Informacje o projekcie 2. Składowe systemu

Bardziej szczegółowo

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów Eksploracja danych Piotr Lipiński Informacje ogólne Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów UWAGA: prezentacja to nie

Bardziej szczegółowo

Dodatkowo planowane jest przeprowadzenie oceny algorytmów w praktycznym wykorzystaniu przez kilku niezależnych użytkowników ukończonej aplikacji.

Dodatkowo planowane jest przeprowadzenie oceny algorytmów w praktycznym wykorzystaniu przez kilku niezależnych użytkowników ukończonej aplikacji. Spis Treści 1. Wprowadzenie... 2 1.1 Wstęp... 2 1.2 Cel pracy... 2 1.3 Zakres pracy... 2 1.4 Użyte technologie... 2 1.4.1 Unity 3D... 3 2. Sztuczna inteligencja w grach komputerowych... 4 2.1 Zadanie sztucznej

Bardziej szczegółowo

Wykład 13. Systemy Informacji Przestrzennej. Systemy Informacji Przestrzennej 1

Wykład 13. Systemy Informacji Przestrzennej. Systemy Informacji Przestrzennej 1 Wykład 13 Systemy Informacji Przestrzennej Systemy Informacji Przestrzennej 1 Mapa jako element Systemu Informacji Geograficznej Systemy Informacyjne Systemy Informacji przestrzennej Systemy Informacji

Bardziej szczegółowo

Przestrzenne bazy danych. Definicja i cechy przestrzennych baz danych

Przestrzenne bazy danych. Definicja i cechy przestrzennych baz danych Przestrzenne bazy danych Definicja i cechy przestrzennych baz danych Zakres wykładów Wstęp do przestrzennych baz danych Typy geometryczne Funkcje geometryczne Modelowanie danych Metody rozwiązywania problemów

Bardziej szczegółowo

Technologie numeryczne w kartografii. Paweł J. Kowalski

Technologie numeryczne w kartografii. Paweł J. Kowalski Technologie numeryczne w kartografii Paweł J. Kowalski Tematyka mapy numeryczne bazy danych przestrzennych systemy informacji geograficznej Mapa = obraz powierzchni Ziemi płaski matematycznie określony

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: CYFROWE UKŁADY STEROWANIA DIGITAL CONTROL SYSTEMS Kierunek: MECHATRONIKA Rodzaj przedmiotu: obowiązkowy na kierunku Mechatronika Rodzaj zajęć: wykład, laboratorium Forma studiów: stacjonarne

Bardziej szczegółowo

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów

Bardziej szczegółowo

VI. PRACE NAUKOWO-BADAWCZE I ICH ZASTOSOWANIE W PRAKTYCE

VI. PRACE NAUKOWO-BADAWCZE I ICH ZASTOSOWANIE W PRAKTYCE JOANNA BAC-BRONOWICZ VI. PRACE NAUKOWO-BADAWCZE I ICH ZASTOSOWANIE W PRAKTYCE VI.1 Udział w projektach naukowo-badawczych: 1. Projekt KBN Nr 907379101 Kartograficzna rejestracja stanów i procesów dotyczących

Bardziej szczegółowo

DIGITALIZACJA GEOMETRII WKŁADEK OSTRZOWYCH NA POTRZEBY SYMULACJI MES PROCESU OBRÓBKI SKRAWANIEM

DIGITALIZACJA GEOMETRII WKŁADEK OSTRZOWYCH NA POTRZEBY SYMULACJI MES PROCESU OBRÓBKI SKRAWANIEM Dr inż. Witold HABRAT, e-mail: witekhab@prz.edu.pl Politechnika Rzeszowska, Wydział Budowy Maszyn i Lotnictwa Dr hab. inż. Piotr NIESŁONY, prof. PO, e-mail: p.nieslony@po.opole.pl Politechnika Opolska,

Bardziej szczegółowo

tel. (+48 81) 538 47 21/22 fax (+48 81) 538 45 80 Wykład 30 21 Ćwiczenia Laboratorium 30 21 Projekt

tel. (+48 81) 538 47 21/22 fax (+48 81) 538 45 80 Wykład 30 21 Ćwiczenia Laboratorium 30 21 Projekt 0-618 Lublin tel. (+8 81) 58 7 1/ fax (+8 81) 58 5 80 Przedmiot: Rok: INF I Inżynieria Semestr: V Rodzaj zajęć i liczba godzin: Studia stacjonarne Studia niestacjonarne Wykład 0 1 Ćwiczenia Laboratorium

Bardziej szczegółowo

Tom 6 Opis oprogramowania

Tom 6 Opis oprogramowania Część 4 Narzędzie do wyliczania wielkości oraz wartości parametrów stanu Diagnostyka stanu nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 30 maja 2012 Historia dokumentu Nazwa

Bardziej szczegółowo

Wykład 1 Inżynieria Oprogramowania

Wykład 1 Inżynieria Oprogramowania Wykład 1 Inżynieria Oprogramowania Wstęp do inżynierii oprogramowania. Cykle rozwoju oprogramowaniaiteracyjno-rozwojowy cykl oprogramowania Autor: Zofia Kruczkiewicz System Informacyjny =Techniczny SI

Bardziej szczegółowo

Metody Programowania

Metody Programowania POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Metody Programowania www.pk.edu.pl/~zk/mp_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 8: Wyszukiwanie

Bardziej szczegółowo

Monitoring procesów z wykorzystaniem systemu ADONIS

Monitoring procesów z wykorzystaniem systemu ADONIS Monitoring procesów z wykorzystaniem systemu ADONIS BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: NAPĘDY I STEROWANIE PNEUMATYCZNE MASZYN PNEUMATIC DRIVE AND CONTROL OF MACHINES Kierunek: MECHATRONIKA Rodzaj przedmiotu: obowiązkowy na specjalności: PROJEKTOWANIE SYSTEMÓW MECHANICZNYCH

Bardziej szczegółowo

ZAGADNIENIA HARMONIZACJI I INTEROPERACYJNOŚCI

ZAGADNIENIA HARMONIZACJI I INTEROPERACYJNOŚCI 1 ZAGADNIENIA HARMONIZACJI I INTEROPERACYJNOŚCI Ewa Janczar Z-ca Dyrektora Departamentu Geodezji i Kartografii UMWM 2 Konferencja Projektu BW Warszawa, 12 października 2012 r. Ustawa prawo geodezyjne i

Bardziej szczegółowo

serwisy W*S ERDAS APOLLO 2009

serwisy W*S ERDAS APOLLO 2009 serwisy W*S ERDAS APOLLO 2009 1 OGC (Open Geospatial Consortium, Inc) OGC jest międzynarodowym konsorcjum 382 firm prywatnych, agencji rządowych oraz uniwersytetów, które nawiązały współpracę w celu rozwijania

Bardziej szczegółowo

CZĘŚĆ II PARAMETRYCZNE PROJEKTOWANIE 2D

CZĘŚĆ II PARAMETRYCZNE PROJEKTOWANIE 2D CZĘŚĆ II PARAMETRYCZNE PROJEKTOWANIE 2D Projektowanie parametryczne jest możliwe wyłącznie za pomocą pełnej wersji programu AutoCAD. AutoCAD LT ma bardzo ograniczone możliwości w tym zakresie. Pozwala

Bardziej szczegółowo

Egzamin / zaliczenie na ocenę*

Egzamin / zaliczenie na ocenę* Zał. nr do ZW /01 WYDZIAŁ / STUDIUM KARTA PRZEDMIOTU Nazwa w języku polskim Identyfikacja systemów Nazwa w języku angielskim System identification Kierunek studiów (jeśli dotyczy): Inżynieria Systemów

Bardziej szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu Podstawy baz danych PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych

Bardziej szczegółowo

Sposób oceny polityki eksploatacyjnej w przedsiębiorstwach branży spożywczej

Sposób oceny polityki eksploatacyjnej w przedsiębiorstwach branży spożywczej Politechnika Śląska Wydział Organizacji i Zarządzania Instytut Inżynierii Produkcji Sposób oceny polityki eksploatacyjnej w przedsiębiorstwach branży spożywczej Dr inż. Andrzej Loska VII Konferencja Utrzymanie

Bardziej szczegółowo

LEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów

LEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów LEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów Łukasz Piątek, Jerzy W. Grzymała-Busse Katedra Systemów Ekspertowych i Sztucznej Inteligencji, Wydział Informatyki

Bardziej szczegółowo

Analityk i współczesna analiza

Analityk i współczesna analiza Analityk i współczesna analiza 1. Motywacje 2. Analitycy w IBM RUP 3. Kompetencje analityka według IIBA BABOK Materiały pomocnicze do wykładu z Modelowania i Analizy Systemów na Wydziale ETI PG. Ich lektura

Bardziej szczegółowo